HOYA BIT聚焦智能交易 黑客松探索AI信息判读新解法
- 徐慈泽／台北
-
加密资产市场24小时不间断运作，新闻、社群贴文与通讯软件信息铺天盖地而来，投资人必须在极短时间内消化大量信息并判断其可信度。HOYA BIT技术信息处副总王昭智指出，传统交易系统擅长处理结构化数据，但面对来源分散、格式不一的非结构化信息，仍需投入大量人力阅读与整理；当人工完成分析时，最佳的市场交易时机往往已经过去。
因此，HOYA BIT于2026台湾生成式AI应用黑客松中以「智能交易」为题，聚焦如何运用AI加速信息整理，并建立动态的消息可信度评估机制。
身为台湾本土虚拟资产交易平台，HOYA BIT主要服务一般投资人，提升实时市场信息整理与风险判读效率一直是其AI应用的核心。过去HOYA BIT透过爬虫与自动化工具蒐集数据，近期也导入大型语言模型（LLM）进行信息归纳，并着手建置自主AI代理（AI Agent）服务。然而，如何让模型精准理解语意并识别消息真伪，技术上仍有相当大的发挥空间。
王昭智观察，本次参赛队伍在前期数据蒐集与清洗的做法相近，真正拉开差距的是后段的决策与判断机制。获得该组优选的「草莓舒芙蕾教宗」团队，提出由七个AI代理彼此提出证据、交叉比对并进行投票的机制，为不同市场消息建立可信度排序。
各AI代理之间采取对抗式互动，并保留未来扩充为不同领域专家角色的弹性，最后再由独立模型汇整各方论点与共识。这套设计融合了Web3的共识机制概念，在信息混杂且难以百分之百验证真伪的情境下，提供了一套极具识别度与前瞻性的判读解法。
针对参赛作品未来走向产品化的可能性，王昭智认为仍需在信息安全、运算成本控制与使用者体验上进行补强。特别是在金融交易情境中，若AI模型直接介入下单操作，一旦发生误判将造成使用者实际资产损失。因此HOYA BIT现阶段更倾向定位AI为「辅助角色」，负责信息整理、参数建议与操作引导，涉及买卖等关键决策仍由既有核心交易系统执行。
此外，大量未经筛选的原始数据会大幅增加模型的运算成本。如何在前端先进行高效的信息过滤与降噪，以降低API调用次数与云端算力费用，也是企业实际导入AI时不可忽视的实务考量。
对于受高度监管的金融科技业者而言，导入AI服务必须同时满足数据安全与法规合规的要求。王昭智表示，AWS提供的Amazon Bedrock让企业能在受控且安全的环境中使用基础模型（Foundation Models），相比直接将敏感数据传送至外部公开API，能显着降低数据主权受损与信息外泄的疑虑；同时，也能避免企业自行部署与维护大模型所产生的昂贵硬件与营运成本。对于需要兼顾模型效益、网安防护与成本控管的交易平台而言，托管式云端模型服务提供了理想的部署路径。
透过本次黑客松竞赛，HOYA BIT得以深入观察市场上的AI人才储备与解题思维。王昭智强调，由于AI技术叠代极快，且实际落地时必须与既有系统及跨部门业务高度协作，因此比起单一技术能力，HOYA BIT更看重人才的自主学习能力、实验精神与跨界沟通技巧。
未来若持续参与类似赛事，也期待能引入更多技术社群前瞻议题，给予参赛者更大的发挥空间，协助企业接触到更多跳脱传统架构的创新解法。
